简介:动态贝叶斯网络(dynamicbayesiannetwork,DBN)是一种基于时序表达数据构建基因调控网络的重要方法。然而目前的DBN方法因计算时间太长,结构不稳定,准确度低,对有效性有很大影响。根据动态贝叶斯网络的度量可分解性质,将动态贝叶斯网络分为初始网络与转移网络分别进行结构寻优,在寻优时将基于静态贝叶斯网络的最大权重生成树算法与贪婪搜索算法相结合,移植入动态贝叶斯网络中,建立基因调控网络模型。提出了一种从时序数据中构建基因调控网络的方法,克服了贝叶斯网络不能描述循环调控的缺陷,也从规模上简化了网络构建问题。通过与相关实验文献的对照,验证了提出方法的有效性,网络学习时间明显缩短,网络结构更加稳定。
简介:本研究利用吲哚菁绿(indocyaninegreen,ICG)对胂瘤进行标记,通过改进的拉普拉斯金字塔算法对非顶层图像的肿瘤细节进行增强,同时去除顶层图像的非肿瘤信息,从而达到强化与区分肿瘤信息的目的;利用图形处理单元(graphicsprocessingunit,GPU)技术将融合算法进行并行化处理,可以有效提高本研究算法的运算速度,实时显示多光谱融合图像。相对于传统成像方式,本研究提供的成像方法可以实时获取更为全面的胂瘤信息,提高了胂瘤检测的准确性,从而帮助外科医生更好地实施胂瘤切除手术。关键词:图像融合;并行计算;多光谱;拉普拉斯金字塔;多尺度变换
简介:目的系统评价MRI弥散加权成像(DWI)在预测乳腺癌新辅助化学治疗结果方面的准确性。方法选择PubMed、EMBASE和Cochranelibrary数据库,采用EMTREE术语(用于EMBASE)、医学标题术语(用于Medline)和文本词汇(用于其他),即('breastcancer'或'breastneoplasm')和('diffusionweightedmagneticresonanceimaging'或'diffusionweightedMRI'或'diffusionMRI'或'DWI')和('neoadjuvanttherapy'或'neoadjuvanttreatment')和('chemotherapy'或'pharmacotherapy'或'drugtherapy'),进行全面的文献检索。时间为1996年至2018年11月21日。评估纳入研究的方法学质量,对其灵敏度和特异度进行异质性检验并进行合并加权分析,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC)。结果最终纳入12篇文献,536例研究对象。Meta分析结果显示:合并加权灵敏度和合并加权特异度及其95%置信区间(CI)分别为85%[95%CI(0.76~0.92)]和78%[95%CI(0.64~0.88)]。异质性分析灵敏度(I~2=53.51,P=0.01)和特异度(I~2=83.18,P<0.001)差异有统计学意义,主要是由于存在阈值效应(r=0.694;P=0.012)。使用ROC曲线,AUC为0.89(95%CI:0.86~0.92)。Deeks漏斗图不对称检验表明,无明显的发表偏倚(P=0.54)。结论DWI是预测乳腺癌新辅助化学治疗疗效的有价值的成像工具。
简介:目的采用流式细胞技术检测新辅助化学治疗(简称化疗)子宫颈癌后不同时间肿瘤细胞周期分布状态,探讨放射治疗的最佳时机。方法选择2013年1月至2014年5月贵阳医学院附属肿瘤医院Ⅱb期-Ⅲb期病理明确诊断为宫颈癌患者90例,中位年龄51岁。治疗方案为新辅助化疗+同步放化疗。新辅助化疗为TP方案(紫杉醇+顺铂或紫杉醇+洛铂化疗)2周期;同步化疗采用顺铂或洛铂单药;放射治疗采用盆腔调强放射治疗(IMRT)及三维适形近距离治疗。分别收集治疗前、2周期化疗后、同期放化疗前5d、开始同期放化疗、开始同期放化疗期间每5d取材1次、同期放化疗结束、同期放化疗结束后10d、同期放化疗结束后30d时DNA倍体分析。DNA倍体分析采用BDFACSCantoⅡ流式细胞仪分析。结果2周期新辅助化疗后处于高S期细胞所占比率与新辅助化疗前相比较明显升高,分别为42.0%和60.3%(P=0.028),差异有统计学意义(P〈0.05)。2周期新辅助化疗后10-15d处于高S期细胞所占比率渐下降,与新辅助化疗前相接近(P=0.119),差异无统计学意义。放射治疗至30.6Gy时S期细胞所占比率与新辅助化疗前相比较略有下降,放射治疗结束后处于高S期细胞所占比率进一步下降,明显低于新辅助化疗前(P=0.009)。结论子宫颈癌新辅助化疗后肿瘤细胞再分布的存在提示放射治疗最好在新辅助化疗后10-15d开始。通过DNA倍体分析了解细胞周期,有助于指导放射治疗时间,从而增加放射治疗疗效。